在机器学习课程中，我需要为一个具有两个类别（在本例中为0和1）的决策树计算Gini指数。我已经阅读了多个关于如何计算它的来源，但在自己的脚本中似乎无法正常工作。尝试了大约10种不同的计算方法后，我开始感到绝望。

数组如下：

Y_left = np.array([[1.],[0.],[0.],[1.],[1.],[1.],[1.]])Y_right = np.array([[1.],[0.],[0.],[0.],[1.],[0.],[0.],[1.],[0.]])

输出应为0.42857。

公式

其中C是类别标签的集合（因此为2），S_L和S_R是由分割标准确定的两个分割部分。

我目前的代码如下：

def tree_gini_index(Y_left, Y_right, classes):    """计算Gini指数。    # 参数        Y_left: 左侧数据集的类别标签            尺寸为`(n_objects, 1)`的np.array        Y_right: 右侧数据集的类别标签            尺寸为`(n_objects, 1)`的np.array        classes: 所有类别值的列表    # 输出        gini: 标量`float`    """    gini = 0.0    total = len(Y_left) + len(Y_right)    gini = sum((sum(Y_left) / total)**2, (sum(Y_right) / total)**2)    return gini

如果有人能给我一些关于如何定义这个函数的指导，我将不胜感激。

回答：

这个函数为left或right标签数组计算Gini指数。probs简单地存储每个类别根据您的公式的概率p_c。

之后，这个函数计算它们的加权（按样本数量加权）平均值，以产生相应分割的最终Gini指数值。请注意，p_L和p_R在您的公式中担任|S_n|/|S|的角色，其中n是{left, right}。

def tree_gini_index(Y_left, Y_right, classes):        N = Y_left.shape[0] + Y_right.shape[0]    p_L = Y_left.shape[0] / N    p_R = Y_right.shape[0] / N        return p_L * gini(Y_left, classes) + p_R * gini(Y_right, classes)

调用方式如下：

Y_left = np.array([[1.],[0.],[0.],[1.],[1.],[1.],[1.]])Y_right = np.array([[1.],[0.],[0.],[0.],[1.],[0.],[0.],[1.],[0.]])tree_gini_index(Y_left, Y_right, [0, 1])

输出：

0.4285714285714286